Изследване в PNAS: изкуствен интелект трябва да разпознава климатични повратни точки
Екип на Caltech представя невронна мрежа, която в симулирани данни е предсказала повратната точка при изчезване на облаци повече от две години напред с грешка от около 11 дни.
Символна снимка · Снимка: ISS Expedition 34 Crew Image Science & Analysis Laboratory, NASA Johnson Space Center Derivative work including grading, / Wikimedia Commons, Public domain (изрязана и мащабирана)
Изследователи от California Institute of Technology (Caltech), заедно с колеги от University of Colorado Boulder и производителя на чипове NVIDIA, са разработили метод с изкуствен интелект, който трябва да предсказва повратни точки в променящи се системи. Изследването „Tipping Point Forecasting in Non-Stationary Dynamics on Function Spaces“ е публикувано в PNAS; Caltech го представи на 15 октомври. Повратните точки са прагове, след които дадена система преминава в ново, понякога необратимо състояние.
Т.нар. рекурентен невронен оператор е тестван, наред с другото, върху симулирани данни за сценарий, в който ниските облаци над океаните бързо изчезват заради нарастващата концентрация на CO2 – загуба, която би засилила допълнително затоплянето. Според Caltech моделът е предсказал повратната точка повече от две години предварително с грешка от около 11 дни. Той сигнализира, когато прогнозите му престанат да следват научената физика.
Важно: става дума за тестове със симулирани данни, а не за прогноза за реалната климатична система. Според водещата авторка Анима Анандкумар работата полага основите за описание на повратните точки и за предсказване кога биха могли да настъпят. Caltech посочва, че изследването е цитирано в скорошен доклад на ООН за повратните точки.